Análisis de la Varianza

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Análisis de la Varianza"

Transcripción

1 Descrpcó breve del tema Aálss de la Varaza Tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca de medas Método de Fsher o, cotrastes múltples 7. Dagoss gaco Cascos Depto. Estadístca, Uversdad Carlos gaco Cascos Depto. Estadístca, Uversdad Carlos Objetvos Descrpcó breve del tema ecoocer la mportaca del dseño aálss estadístco de expermetos e geería Presetar u procedmeto para comparar el efecto de los dsttos veles de u factor Costrur estmar u modelo para cotrastar las hpótess de terés Cuatfcar el efecto de u factor e u expermeto. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca de medas Método de Fsher o, cotrastes múltples 7. Dagoss gaco Cascos Depto. Estadístca, Uversdad Carlos gaco Cascos Depto. Estadístca, Uversdad Carlos

2 troduccó al dseño de expermetos U geero debe ser capaz de resolver problemas reales aplcado el método cetífco. Para la resolucó de muchos de estos problemas o exste ua teoría sólda, para otros queremos cotrastarla efecto de las téccas de mezclado del hormgó duracó de materales de costruccó e dsttos ambetes Dspoemos de la EXPEMENTACÓN troduccó al dseño de expermetos U expermeto es ua prueba o sere de pruebas e las que se modfca delberadamete las codcoes de u proceso o sstema co el objetvo de observar el efecto de esas modfcacoes e el resultado. E u expermeto tervee varos factores, el objetvo es determar la flueca de estos factores e el resultado fal de u proceso, para explcar la relacó causa-efecto. gaco Cascos Depto. Estadístca, Uversdad Carlos 5 gaco Cascos Depto. Estadístca, Uversdad Carlos 6 troduccó al dseño de expermetos a factores: cotrolados: su valor lo especfca el vestgador o cotrolados: debdos al etoro al azar Debemos mmzar el efecto de los factores o cotrolados. troduccó al dseño de expermetos Ejemplo: U geero está teresado e determar qué factores flue e el úmero de coexoes defectuosas e ua placa de crcutos mpresos cotrolados: temperatura soldadura temperatura placa o cotrolados: operador, tpo de compoetes, grosor placa Objetvo: Determar qué factores afecta el úmero de defectos e qué dreccó Cosecuecas: Ajustar la máqua que realza las coexoes gaco Cascos Depto. Estadístca, Uversdad Carlos 7 gaco Cascos Depto. Estadístca, Uversdad Carlos 8

3 troduccó al dseño de expermetos Ejemplo: maufactura papel troduccó al dseño de expermetos Ejemplo: maufactura papel U fabrcate de bolsas de papel quere mejorar la ressteca a la tesó de las bolsas. El geero de produccó pesa que ha ua relacó causa-efecto etre la catdad de celulosa utlzada e la fabrcacó del papel la ressteca. Cocetracó de celulosa % Observacoes Expermeto e el que se fabrca papel co dsttos % de celulosa se mde la ressteca. gaco Cascos Depto. Estadístca, Uversdad Carlos 9 gaco Cascos Depto. Estadístca, Uversdad Carlos troduccó al dseño de expermetos Ejemplo: maufactura papel Descrpcó breve del tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca de medas Método de Fsher o, cotrastes múltples 7. Dagoss gaco Cascos Depto. Estadístca, Uversdad Carlos gaco Cascos Depto. Estadístca, Uversdad Carlos

4 El modelo (ANOVA) El modelo (ANOVA) Teemos elemetos que se dfereca e u factor. E cada elemeto observamos ua característca que varía aleatoramete de u elemeto a otro. Se desea establecer s ha o o relacó etre el valor medo de la característca estudada el factor. Teemos: ua varable de terés (ressteca de las bolsas) u factor que flue e los valores de que llamamos F (% de celulosa) certo úmero de veles del factor F, que deotamos por ( porcetajes dsttos) u úmero de observacoes para cada vel del factor, (6 observacoes para cada vel) El úmero total de observacoes es gaco Cascos Depto. Estadístca, Uversdad Carlos gaco Cascos Depto. Estadístca, Uversdad Carlos El modelo (ANOVA) S para,, j,, : j es la j-ésma observacó del -ésmo grupo µ es la meda del -ésmo grupo u j es la perturbacó que mde la varabldad debda al error expermetal + u j j El modelo (ANOVA) La perturbacó u j mde la desvacó e la observacó j del grupo respecto de la meda del grupo. Se debe a causas o asgables (factores o cotrolados). Es ua varable aleatora. El promedo de las perturbacoes es cero, E[u j ] Msma varabldad e todos los grupos, Var[u j ]σ Dstrbucó perturbacoes es ormal, u j ~N(, σ ) Perturbacoes depedetes. gaco Cascos Depto. Estadístca, Uversdad Carlos 5 gaco Cascos Depto. Estadístca, Uversdad Carlos 6

5 El modelo (ANOVA) Alteratvamete, podemos reformular el modelo escrbrlo como: + α + u j para,, j,,. Dode µ es la meda de todas las observacoes α es el efecto dferecal del -ésmo grupo (α µ) gaco Cascos Depto. Estadístca, Uversdad Carlos 7 j Descrpcó breve del tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca de medas Método de Fsher o, cotrastes múltples 7. Dagoss gaco Cascos Depto. Estadístca, Uversdad Carlos 8 Estmacó de los parámetros E el modelo j + uj Para,, j,, co j ~N(, σ ) Los parámetros descoocdos so: El verdadero valor de la meda de cada grupo µ, µ,, µ La varaza de la perturbacó σ. Estmacó de los parámetros Meda de las observacoes e el -ésmo grupo ˆ µ j j..... gaco Cascos Depto. Estadístca, Uversdad Carlos 9 gaco Cascos Depto. Estadístca, Uversdad Carlos

6 Estmacó de los parámetros Como de costumbre, las perturbacoes las estmamos medate los resduos (mde la varabldad o explcada). Estmacó de los parámetros. 6 e6 6. ej j.... gaco Cascos Depto. Estadístca, Uversdad Carlos gaco Cascos Depto. Estadístca, Uversdad Carlos Estmacó de los parámetros La varaza muestral de los resduos es u estmador de σ σˆ j Desgracadamete se trata de u estmador sesgado. gaco Cascos Depto. Estadístca, Uversdad Carlos e j Estmacó de los parámetros Utlzamos la varaza resdual como estmador de σ ˆ S j El térmo que aparece e el cocete so los grados de lbertad. Teemos ( ) ~ χ σ gaco Cascos Depto. Estadístca, Uversdad Carlos e j

7 Descrpcó breve del tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca de medas Método de Fsher o, cotrastes múltples 7. Dagoss Props. de los estmadores (medas) Esperaza: (cetrado o sesgado) Varaza: u N j + j j ~ ( µ, σ ) j, K, K E [ ˆ µ ] E[ ] σ Var[ ˆ µ ] Var[ ] gaco Cascos Depto. Estadístca, Uversdad Carlos 5 gaco Cascos Depto. Estadístca, Uversdad Carlos 6 Props. de los estmadores (medas) Además, como µˆ es combacó leal de varables depedetes ormales, sgue dstrbucó ormal. So todas las medas guales? Como σ es descoocdo, teemos el tervalo de cofaza ˆ µ ± t,α / gaco Cascos Depto. Estadístca, Uversdad Carlos 7 gaco Cascos Depto. Estadístca, Uversdad Carlos 8

8 Descrpcó breve del tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca de medas Método de Fsher o, cotrastes múltples 7. Dagoss Descomposcó de la varabldad El Aálss de la Varaza compara la varabldad etre las medas de los grupos de los dsttos veles del factor co la varabldad expermetal. A maor dfereca etre las medas de los grupos maor varabldad etre ellos L : al meos u par de medas tee µ j gaco Cascos Depto. Estadístca, Uversdad Carlos 9 gaco Cascos Depto. Estadístca, Uversdad Carlos Descomposcó de la varabldad S las medas so mu dferetes, la varabldad etre las medas será maor que la varabldad detro de los grupos Descomposcó de la varabldad ( j ) ( j j ( ) + ( ) ) j + ( ) + ( j )( ).. j ( j ) j ( j ) + j ( ) + j ( j )( ).. j ( VT j ) j ( j ) ( VNE + VE + ) gaco Cascos Depto. Estadístca, Uversdad Carlos gaco Cascos Depto. Estadístca, Uversdad Carlos

9 Descomposcó de la varabldad La Varabldad Explcada (VE) mde la varabldad etre los dsttos grupos. S es pequeña, es porque las medas so smlares. La Varabldad No Explcada (VNE) o resdual, mde la varabldad detro de los grupos es debda al error expermetal. Descomposcó de la varabldad E geeral VNE ~ σ Además, s µ µ χ E cosecueca, bajo VE ~ σ χ VE/ ( ) ~ VNE/ ( ) F, gaco Cascos Depto. Estadístca, Uversdad Carlos gaco Cascos Depto. Estadístca, Uversdad Carlos Desc. varabldad. Tabla ANOVA Fuetes de varacó Etre grupos VE esdual VNE Total Suma de cuadrados ( ) j j... ( ) j. ( ) j.. Grados de lbertad Varaza e ( ) Test F gaco Cascos Depto. Estadístca, Uversdad Carlos 5 j j..... ( ) j ( ) j. S ˆe Descomposcó de la varabldad Cotraste de la F: L : al meos u par de medas tee µ S o es certa, la varaza etre grupos será maor que la resdual Aceptacó Aceptacó α α echazo gaco Cascos Depto. Estadístca, Uversdad Carlos 6 α S ˆe j

10 Descomposcó de la varabldad Ejemplo: maufactura de papel Descomposcó de la varabldad Ejemplo: maufactura de papel < α.5 ˆe S F (,) F.5(,).98 gaco Cascos Depto. Estadístca, Uversdad Carlos 7 egó de rechazo gaco Cascos Depto. Estadístca, Uversdad Carlos 8 Descrpcó breve del tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca de medas Método de Fsher o, cotrastes múltples 7. Dagoss Estmacó de la dfereca de medas S llegamos a la coclusó de que, al meos, u par de medas so dsttas. Deseamos saber cuáles so dsttas cuáles guales. Solucó: Comparar las medas a (Estadístca ). gaco Cascos Depto. Estadístca, Uversdad Carlos 9 gaco Cascos Depto. Estadístca, Uversdad Carlos

11 Cotrastes partculares Cotraste para la gualdad de medas de dos poblacoes ormales co varazas descoocdas pero guales pótess ula. pótess alteratva. echazo cuado pótess alteratva. < µ echazo cuado pótess alteratva. > µ echazo cuado +,α gaco Cascos Depto. Estadístca, Uversdad Carlos ˆ s T sˆ sˆ T T sˆ ( T + )ˆ s + ( )ˆ s > t < t > t +, α / +,α tervalos de Cofaza partculares tervalo de Cofaza para la dfereca de medas de dos poblacoes ormales co varazas descoocdas pero guales. µ µ t co u vel de cofaza α, sˆ dode P(X > t,α ) α +, s X~t gaco Cascos Depto. Estadístca, Uversdad Carlos + t +, α / T +, α / T sˆ + Estmacó de la dfereca de medas S t > t +, α / sˆ T + rechazamos. E la gráfca c t +,α/ gaco Cascos Depto. Estadístca, Uversdad - Carlos desdad Dstrbucó de del ua estmador t + α Acepto α / α/ -c c Dfereca de medas Ejemplo: maufactura de papel j, σ ) : µ j, σ ) t.8 j, σ ) : µ j, σ ) t 5. j, σ ) : µ j, σ ) t 7.7 j, σ ) : µ j, σ ) t.98 j, σ ) t.9 : µ j, σ ) j, σ ), σ ) t.6 t.8 (.5,). No ha dfereca e la essteca al utlzar el ó 5 % de celulosa j gaco Cascos Depto. Estadístca, Uversdad Carlos

12 Dfereca de medas Ejemplo: maufactura de papel j, σ ) j, σ ) j, σ ) j, σ ) j, σ ) j, σ ) j, σ ) j, σ ) j, σ ) j, σ ) j, σ ) j ~ N (, ) S todas las varazas so guales, podemos utlzar la formacó de todas las muestras para estmar la varaza µ σ ˆ S gaco Cascos Depto. Estadístca, Uversdad Carlos 5 Estmacó de la dfereca de medas Método Fsher o Deseamos hacer varos cotrastes del tpo µ µ :, segú las hpótess del modelo, la varaza es la msma e todos los veles del factor. Utlzamos, así, todos los datos para estmarla ej ( ) j gaco Cascos Depto. Estadístca, Uversdad Carlos 6 Estmacó de la dfereca de medas Método Fsher o La dstrbucó del estadístco es ahora: S ha muchos grupos (veles del factor), el vel crítco camba (porque mucho maor que + ). Co el método de Fsher detectamos dferecas más pequeñas. Explcacó: varaza de ua t. + ~ t gaco Cascos Depto. Estadístca, Uversdad Carlos 7 Dfereca de medas Ejemplo: maufactura de papel t.8, t.8 t 5., t.75 t 7.7, t 7.57 t.98, t.9 t.9, t.7 t.6, t.8 t (.5,).86 (.5,6).86 No ha dfereca e la essteca al utlzar el ó 5 % de celulosa gaco Cascos Depto. Estadístca, Uversdad Carlos 8

13 Dfereca de medas Ejemplo: maufactura de papel Dstaca míma etre grupos para cosderarlos dferetes Estos so los úcos.c. que se solapa gaco Cascos Depto. Estadístca, Uversdad Carlos 9 Estmacó de la dfereca de medas Cotrastes múltples E u cotraste de hpótess, estamos sempre clados a aceptar la hpótess ula. La rechazamos sólo s ha ua evdeca mu fuerte e su cotra. Pr(echazar certa) α S utlzamos el método de Fsher para comparar cada pareja de medas, realzamos ( )/ cotrastes. gaco Cascos Depto. Estadístca, Uversdad Carlos 5 Estmacó de la dfereca de medas Cotrastes múltples Al realzar m cotrastes depedetes cada uo co vel de sgfcacó α.5, la probabldad de rechazar algua hpótess ula certa es: Pr(echazar algú ) Pr(Aceptar todos ) (.5) m.95 m >.5 Estmacó de la dfereca de medas Cotrastes múltples. Método de Boferro Pr(echazar algú ) ΣPr(echazar u )mα Fjado u vel de sgfcacó global α T, garatzamos dcho vel de sgfcacó global s realzamos cada cotraste co u vel de sgfcacó αα T /m Los tervalos de cofaza será ahora más achos se solapará co maor facldad. gaco Cascos Depto. Estadístca, Uversdad Carlos 5 gaco Cascos Depto. Estadístca, Uversdad Carlos 5

14 Cotrastes múltples. Método de Boferro Ejemplo: maufactura de papel.8.75 t 7.57 t.9 t t.7.8 tt (.5,).86 (.5,6) α.5 / 6.6 t (.6, ).97.8 (.6,6) No ha dfereca e la essteca al utlzar el ó 5 % de celulosa. Tampoco ha dfereca al utlzar el 5 ó % de celulosa. gaco Cascos Depto. Estadístca, Uversdad Carlos 5 Descrpcó breve del tema. troduccó al dseño de expermetos. El modelo. Estmacó de los parámetros. Propedades de los estmadores 5. Descomposcó de la varabldad 6. Estmacó de la dfereca de medas Método de Fsher o, cotrastes múltples 7. Dagoss gaco Cascos Depto. Estadístca, Uversdad Carlos 5 Dagoss Para comprobar las hpótess del modelo, calculamos los resduos (estmacoes de la perturbacó) ej j. Dagoss Comprobar hpótess de ormaldad: Gráfcamete: stograma de resduos Gráfco probablístco ormal Métodos ferecales: Cotraste de ormaldad gaco Cascos Depto. Estadístca, Uversdad Carlos 55 gaco Cascos Depto. Estadístca, Uversdad Carlos 56

15 Dagoss Dagoss Comprobar hpótess de varaza costate: Gráfcamete: Gráfco de resduos frete a veles del factor Gráfco de resduos frete a valores ajustados Métodos ferecales: Cotraste de gualdad de varazas (sesbles a la ormaldad) Comprobar hpótess de depedeca: Gráfcos de resduos frete a tempo. S los datos so depedetes, e el gráfco o aparecerá gua tedeca. S ha tedecas, es posble que el expermeto o haa sdo aleatorzado las dferecas etre los veles sea debdas al efecto del tempo. gaco Cascos Depto. Estadístca, Uversdad Carlos 57 gaco Cascos Depto. Estadístca, Uversdad Carlos 58 Dagoss Ejemplo: maufactura de papel Nveles del factor gaco Cascos Depto. Estadístca, Uversdad Carlos 59

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS

INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS INGENIERÍA INDUTRIAL A meudo, e la práctca, se requere resolver prolemas que clue cojutos de varales, cuado se sae que este algua relacó herete etre ellas, esa relacó se puede ecotrar a partr de la formacó

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Tema 1: Introducción: Generalización y Extensión del Modelo de Regresión

Tema 1: Introducción: Generalización y Extensión del Modelo de Regresión Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Tema : Itroduccó: Geeralzacó y Etesó del Modelo de Regresó Itroduccó Especfcacó del Modelo de Regresó Leal 3 Supuestos del Modelo Clásco de Regresó

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

Regresión Simple. Resumen. Ejemplo de StatFolio: simple reg.sgp

Regresión Simple. Resumen. Ejemplo de StatFolio: simple reg.sgp STATGRAPHICS Rev. 4/5/7 Regresó Smple Resume El procedmeto de Regresó Smple está dseñado para costrur u modelo estadístco que descrba el mpacto de u solo factor cuattatvo X sobre ua varable depedete Y.

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1

Análisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1 Aálss de Regresó y Correlacó Materal Preparado por Olga Susaa Flpp y Hugo Delfo ORIGEN HISTÓRICO DEL TÉRMINO REGRESlÓN El térmo regresó fue troducdo por Fracs Galto. E u famoso artículo Galto platea que,

Más detalles

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA

CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA CONTRASTES NO PARAMÉTRICOS: BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA Atoo Morllas A. Morllas: C. o paramétrcos (I 1 CONTRASTES NO PARAMÉTRICOS: BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA Ifereca realzada

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:

METODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson: Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó

Más detalles

5 Distribuciones Muestrales

5 Distribuciones Muestrales 5 Dstrbucoes Muestrales. Itroduccó Al defr la estadístca se explcó que la probabldad se trabaja desde la poblacó haca la muestra, metras que la fereca estadístca se trabaja e setdo cotraro, es decr, de

Más detalles

Tema 2: Errores de Especificación y Problemas con la Muestra

Tema 2: Errores de Especificación y Problemas con la Muestra Tema : Errores de Especfcacó y Problemas co la Muestra TEMA : ERRORES DE ESPECIFICACIÓN ) Itroduccó ) Omsó de Varables Relevates 3) Iclusó de Varables Superfluas 4) Mala Especfcacó de la Forma Fucoal 5)

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

CAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA

CAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA Estmacó de la ocurreca de cdecas e declaracoes de pólzas de mportacó Salcedo Poma, Cela Mercedes CAPÍULO MODELO DE REGRESIÓN LOGÍSICA INRODUCCIÓN La Regresó Logístca es ua técca estadístca multvarate que

Más detalles

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Parcalmete facado a través del PIE-04 (UMA). Promedos y meddas de poscó. Meddas de dspersó. Meddas de asmetría. Valores atípcos..4 Meddas de desgualdad..5 Valores atípcos: Dagrama

Más detalles

Figura 1

Figura 1 Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS 5 ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS María C. Paz Sabogal Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. karo.paz@gmal.com

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión

Ejercicios Resueltos de Estadística: Tema 2: Descripciones bivariantes y regresión Eerccos Resueltos de Estadístca: Tema : Descrpcoes bvarates regresó . E u estudo de la egurdad e Hgee e el Trabao se cotrastó la cdeca del tabaqusmo e la gravedad de los accdetes laborales. Cosderado ua

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Estadística descriptiva

Estadística descriptiva Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión

Estadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA

Más detalles

TÉCNICAS DE MUESTREO

TÉCNICAS DE MUESTREO TÉCICAS DE MUESTREO TÉCICAS DE MUESTREO I. COCEPTOS GEERALES DE MUESTREO El objetvo de la teoría de muestras es proporcoar ua sere de téccas que permta coocer característcas o valores referdas al total

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

UNIVERSIDAD NACIONAL ABIERTA CENTRO LOCAL METROPOLITANO LICENCIATURA EN MATEMÁTICA MENCIÓN PROBABILIDAD Y ESTADÍSTICA

UNIVERSIDAD NACIONAL ABIERTA CENTRO LOCAL METROPOLITANO LICENCIATURA EN MATEMÁTICA MENCIÓN PROBABILIDAD Y ESTADÍSTICA UNIVERSIDAD NACIONAL ABIERTA CENTRO LOCAL METROPOLITANO LICENCIATURA EN MATEMÁTICA MENCIÓN PROBABILIDAD Y ESTADÍSTICA U NA ESTUDIO DE MÉTODOS NO PARAMÉTRICOS Iforme de pasatías presetado como requsto para

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS. REGRESIÓN LINEAL SIMPLE. CORRELACIÓN.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS. REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. FCEyN - Estadístca para Químca Marta García Be 8 RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS. REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. Los métodos de regresó se usa para estudar la relacó etre dos varables umércas.

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

Formulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico

Formulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico Esquema estadístco Problema de vestgacó Preguta de vestgacó Formulacó precsa de la(s) preguta(s) de vestgacó Plaeacó Dseño Muestra Feómeo Aleatoro Aálss y presetacó de la formacó Iferecas Toma de decsoes

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado

Más detalles

Regresión lineal simple

Regresión lineal simple Regresó leal smple.- Itroduccó....- Dagrama de dspersó... 3 3.- Especfcacó del modelo de regresó leal smple... 4 3..- upuestos del modelo... 7 4.- Estmacó de parámetros... 0 4..- Estmacó medate mímos cuadrados...

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo

Más detalles

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.

Lo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras. Capítulo : Comparacó de varo tratameto o grupo Mucha preguta de vetgacó e educacó, pcología, egoco, dutra ceca aturale tee que ver co la comparacó de varo grupo o tratameto. Ya etudamo como comparar dfereca

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Aálss Estadístco d Datos Clmátcos Rgrsó lal smpl (Wlks, cap. 6.) Vo Storch ad Zwrs (Cap. 8) 05 Rgrsó La rgrsó, gral, s utlza habtualmt para stmar modlos paramétrcos d la rlacó tr varabls ua scala cotua,

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996

12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996 º semaro AEDEMO sobre Audeca de Televsó Palma de Mallorca, Febrero de 996 LA PRECISIÓN ESTADÍSTICA EN EL PANEL DE AUDIMETRÍA Carlos Lamas ÍNDICE. INTRODUCCIÓN, TEORÍA Y CONCEPTOS. EFECTO DEL EQULILIBRAJE

Más detalles

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

EVALUACIÓN ECONÓMICA.

EVALUACIÓN ECONÓMICA. EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva

Más detalles

Nociones de Estadística

Nociones de Estadística Químca Aalítca Prof. Aa Galao Jméez Nocoes de Estadístca Las medcoes tee sempre asocadas u error expermetal (herete a la resolucó del equpameto empleado, a errores aleatoros y/o a errores sstemátcos).

Más detalles

1 ESTADÍSTICA DESCRIPTIVA

1 ESTADÍSTICA DESCRIPTIVA 1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e

Más detalles

1.- DISTRIBUCIÓN BIDIMENSIONAL

1.- DISTRIBUCIÓN BIDIMENSIONAL º Bachllerato Matemátcas I Dpto de Matemátcas- I.E.S. Motes Oretales (Izalloz)-Curso 0/0 TEMAS 3, 4 y 5.- DISTRIBUCIONES BIDIMENSIONALES. CÁLCULO DE PROBABILIDADES. DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

Capítulo V Análisis de regresión y correlación

Capítulo V Análisis de regresión y correlación Capítulo V Aálss de regresó y correlacó Itroduccó E la vestgacó estadístca es muy frecuete ecotrar varables que está relacoadas o asocadas etre sí de algua maera, como se estudó e el capítulo ateror. Exste

Más detalles

3 Regresión lineal múltiple: estimación y propiedades

3 Regresión lineal múltiple: estimación y propiedades 3 Regresó leal múltple: estmacó y propedades Ezequel Urel Uversdad de Valeca Versó 09-013 3.1 El modelo de regresó leal múltple 1 3.1.1 Modelo de regresó poblacoal y fucó de regresó poblacoal 3.1. Fucó

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecuddad y su relacó co varables socoecoómcas, demográfcas y educatvas aplcado el Modelo de Regresó Posso

Más detalles